[發明專利]一種圖像超分方法、系統及存儲介質和終端設備

在審

• 申請號: 202110865586.8
• 申請日: 2021-07-29
• 公開（公告）號: CN115689881A
• 公開（公告）日: 2023-02-03
• 發明（設計）人: 王樹朋;劉陽興
• 申請（專利權）人: 武漢TCL集團工業研究院有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/0464;G06N3/08
• 代理公司: 深圳紫藤知識產權代理有限公司 44570
• 代理人: 黃靈飛

1.一種圖像超分方法，其特征在于，包括：

獲取待處理圖像；

提取所述待處理圖像的低維度特征，將所述低維度特征輸入到一路折疊后卷積模塊中；

通過所述折疊后卷積模塊對所述低維度特征進行基于第二卷積核的一次卷積運算，得到所述待處理圖像的高維度特征；

根據所述高維度特征確定所述待處理圖像的超分圖像。

2.如權利要求1所述的方法，其特征在于，所述通過所述折疊后卷積模塊對所述低維度特征進行基于第二卷積核的一次卷積運算，得到所述待處理圖像的高維度特征，具體包括：將所述待處理圖像的低維度特征輸入到所述折疊后卷積模塊進行基于第二卷積核的卷積處理，得到所述待處理圖像的高維度特征；

或者，將所述待處理圖像的低維度特征輸入到所述折疊后卷積模塊進行基于第二卷積核的卷積處理，得到第二卷積后特征，將所述第二卷積后特征與所述待處理圖像的低維度特征疊加得到所述待處理圖像的高維度特征。

3.如權利要求2所述的方法，其特征在于，所述方法還包括：

確定預訓練的圖像超分模型，所述預訓練的圖像超分模型包括多個卷積模塊；

其中，所述預訓練的圖像超分模型，用于提取待處理圖像的低維度特征，且通過所述多個卷積模塊將所述低維度特征轉換得到高維度特征，及根據所述高維度特征確定所述待處理圖像的超分圖像；

將所述預訓練的圖像超分模型中的多個卷積模塊等價轉化為所述折疊后卷積模塊，得到轉化后的圖像超分模型作為當前圖像超分模型。

4.如權利要求3所述的方法，其特征在于，所述將所述預訓練的圖像超分模型中的多個卷積模塊等價轉化為所述折疊后卷積模塊，具體包括：

若所述多個卷積模塊分別對所述待處理圖像的低維度特征進行基于相應第一卷積核的卷積處理，得到相應的多個第一卷積后特征，將所述多個第一卷積后特征進行疊加得到所述待處理圖像的高維度特征，根據所述第一卷積核的大小得到所述第二卷積核的大小；

根據所述第二卷積核的大小確定所述折疊后卷積模塊。

5.如權利要求4所述的方法，其特征在于，所述根據所述第一卷積核的大小得到所述第二卷積核的大小，具體包括：

若所述多個卷積模塊為4個卷積模塊，所述4個卷積模塊的第一卷積核的大小分別為：1×1、1×K、K×1及K×K，則所述折疊后卷積模塊的第二卷積核的大小為K×K，所述K為大于1的自然數。

6.如權利要求3所述的方法，其特征在于，所述將所述預訓練的圖像超分模型中的多個卷積模塊等價轉化為所述折疊后卷積模塊，具體包括：

若所述多個卷積模塊中一個卷積模塊對所述低維度特征進行基于相應第一卷積核的卷積處理，得到一個第一卷積后特征后輸入到所述多個卷積模塊中另一個卷積模塊進行基于相應第一卷積核的卷積處理，得到另一第一卷積后特征后輸入到其它一個卷積模塊進行基于相應第一卷積核的卷積處理；將所述多個卷積模塊分別得到的第一卷積后特征的乘積作為所述待處理圖像的高維度特征，根據所述第一卷積核的大小得到所述第二卷積核的大小；

根據所述第二卷積核的大小確定所述折疊后卷積模塊。

7.如權利要求6所述的方法，其特征在于，所述根據所述第一卷積核的大小得到所述第二卷積核的大小，具體包括：

所述多個卷積模塊為3個卷積模塊，所述4個卷積模塊的第一卷積核的大小分別為：1×1、K×K及1×1，所述折疊后卷積模塊的第二卷積核的大小為K×K，所述K為大于1的自然數。